Embodied AI指的是具备感知、理解和行动能力的智能体，能够在物理或虚拟环境中执行任务。近年来，视觉语言大模型（VLM）在自然语言处理和计算机视觉领域取得了显著进展，为Embodied AI的发展提供了新的机遇。
本文将探讨基于VLM的Embodied AI的最新进展，包括其面临的挑战、数据集、评测方法以及具体的方法论。
- 随着大模型的发展和数据量的不断增加，预训练大模型逐渐拥有作为 “世界模型” 的潜力
- 现有工作逐渐从从头训练模型，转为大模型的 适配 ，以及 推理 时的 免训练 增强
- 比起学习新知识， 利用和激发预训练大模型 的知识成为新的热点
随着大模型的发展，用户往往面对如下情况：
- 用户没有预训练大规模数据的算力
- 用户没有微调甚至加载超大模型的能力
- 用户没有获取模型完整接口的权限
比起“通用模型”，许多领域其实更需要“专用模型”，模型难以将一切领域的知识都掌握好。此外，知识总是随时间不断增多，模型不可能拥有未来的知识。
随着商用和闭源大模型的普及，用户往往无法直接访问模型参数，只能通过API调用模型。因此，黑盒调优方法变得尤为重要。黑盒调优方法指的是在无法直接访问模型参数的情况下，通过影响模型输入或输出，使得模型的性能得到提升。
本文将介绍进化算法、模型协同、对比解码、自主数据生成、边缘微调等黑盒调优方法。
随着深度学习的发展，模型结构和训练方法不断演进，推动了计算机视觉和自然语言处理等领域的突破。近年来，大模型和迁移学习成为研究热点，极大地提升了模型的性能和泛化能力。
本文将从传统视觉模型的发展、Transformer的发展、大模型时代以及预训练+迁移学习的范式转变等方面，系统地综述大模型与迁移学习的发展历程。
随着大规模预训练模型的发展，网络文本数据成为重要的训练资源。然而，网络数据通常包含大量噪声和低质量内容，直接使用可能影响模型性能。因此，数据清洗成为必要的步骤。
本文总结了C4、MassiveText和RefinedWeb三篇论文中关于网络文本数据清洗的策略。
矢量数据库是一种新兴的数据库类型，专门用于存储和处理高维数据，在拥有对矢量的计算和分析能力的同时，也和传统数据库一样拥有对结构化数据的管理能力。本文对矢量数据库进行了详尽的介绍，从用户需求，即深度学习模型需要存储和比较海量数据的角度出发，介绍了矢量数据库的发展。之后介绍了矢量的定义、类型和算法，以及矢量数据库的工作原理，如索引编排、矢量查询、矢量后处理等，深入剖析了矢量数据库的底层逻辑。之后，本文介绍了矢量数据库系统的架构，存储管理、安全管理等，展示了现代的矢量数据库系统是如何在分布式场景下运作。最后，本文介绍了矢量数据库的一些应用场景，如图像检索、搜索引擎等，展示了矢量数据库的具体应用价值。
随着深度学习的发展，计算机视觉领域取得了显著进展。然而，在小样本学习（Few-Shot Learning）场景下，传统的全局特征匹配方法往往难以捕捉图像中的细粒度信息，导致性能下降。
为了解决这一问题，研究者提出了Set-to-Set区域特征匹配方法，通过比较图像中的局部区域特征来提升匹配效果。
随着深度学习的发展，计算机视觉领域取得了显著进展。然而，在小样本学习（Few-Shot Learning）场景下，传统的全局特征匹配方法往往难以捕捉图像中的细粒度信息，导致性能下降。
为了解决这一问题，研究者提出了Set-to-Set区域特征匹配方法，通过比较图像中的局部区域特征来提升匹配效果。
Few-shot learning旨在利用极少量数据使模型适应一个任务。由于样本量及其稀少，提取有效知识变得困难，模型非常容易过拟合到背景和噪声信息上。
本文调查了few-shot learning中提取知识的方法，包括模型结构、微调策略、度量策略等方面的设计，并希望总结出一些规律，在prompt tuning的设计上能够有所启发。